科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统汽轮机缺乏有效的预警方法，时常处于被动维护的问题，提出一种基于长短期记忆网络（LSTM）的汽轮机状态预警方法。所提出的方法包含数据预处理模块、健康评价模块和异常预警模块三个模块。首先将源数据进行预处理，去除离群点以及毛刺数据；然后基于自编码神经网络、余弦定理和3σ定理求得一种优化的健康指数；最后基于LSTM建立了汽轮机异常预警模型，并分析对比不同深度的LSTM网络模型与循环神经网络（RNN）预测的结果。最终结果表明：LSTM的最佳预测模型预测结果的平均绝对误差（MAPE）不超过4.31%，比传统RNN的最佳预测模型的准确度更高。因此，所提出的方法在汽轮机异常预警中具有较好的检测准确度。
-
单位华中科技大学; 上海汽轮机厂有限公司
